基于卡尔曼滤波和特征指数化的电动汽车电池故障诊断方法研究

针对电池组内的热失控、内短路等故障问题，提出了一种基于卡尔曼滤波和特征指数化的电池故障在线诊断方法。首先基于历史数据和卡尔曼滤波方法对电压数据进行降噪，可有效去除异常点，并提出一种特征指数化方法以提取和放大电池组单体之间的电压特征。最后，为了减少电池组不一致性导致的单体电池故障误报，提出一种基于余弦相似度的故障值计算方法以提高算法诊断精确度，并实现故障电池的在线自动检测和定位。云端车辆数据验证结果表明，所提出的基于卡尔曼滤波和特征指数化的电池故障诊断算法能够有效地检测故障电池并进行预警。     

基于改进DBSCAN的异常电池识别

单体电池间的性能差异是影响动力电池组使用安全性的主要因素之一,为识别电池组中一致性差的电池,即更容易发生危险的异常电池。文章在常规DBSCAN算法的基础上进行改进,针对其对输入参数敏感的缺陷,提出一种基于数据分布特性自适应确定MinPts参数和Eps参数的改进DBSCAN算法。将改进DBSCAN算法用于电池一致性分析,并利用电池充放电数据设计相关实验进行验证,验证结果表明所提出的算法异常电池识别效果良好。     

基于梁单元简化模型的锂电池组碰撞安全临界条件的判定

针对现有电池单体有限元模型单元数量多、计算速度慢、在整车碰撞分析难以应用的问题，提出一种采用梁单元，反映电池单体壳体的压溃和弯曲特性的有限元模型。通过对比电池单体的轴向压溃、径向挤压和压痕试验结果，验证了建立的电池单体简化模型的有效性。应用该简化模型进行了6×4电池组撞击刚性墙和刚性墙撞击电池组两种工况的仿真，并根据电池单体短路失效临界应变，确定电池发生短路失效的临界撞击速度和撞击质量。结果表明，在电池组撞击刚性墙工况中，撞击速度为245 km/h时，靠近刚性墙第2和第3层电池单体最先失效；而在刚性墙撞击电池组工况中，撞击质量为16.06 kg时，最先失效的电池单体位于靠近刚性墙的第2层。因此，应依据不同的工况来确定电池组内首先失效单体的位置。     

电动汽车电池组连接松脱故障诊断

提出一种基于相关系数法进行连接松脱故障诊断的算法,通过计算相邻单体电池电压采样数列的相关系数进行连接松脱故障诊断,结合数学推导和模型仿真,对算法的灵敏度、有效性、适用性和通用性作出分析。试验结果表明,该算法能准确及时地对电池组不同类型的连接松脱故障进行报警和定位且无硬件冗余,具有完全的通用性和适用性,且满足车载应用对实时性的要求,可在实车电池管理系统中应用。     

基于值率模型的电动汽车动力电池电压异常检测

准确高效的电动汽车动力电池系统异常检测对保障车辆安全可靠运行具有重要意义。基于此本文提出了一种基于电压变化率的新型动力电池电压异常诊断方法，用于检测电池组中单体电压的异常波动故障。进一步的，引入基于改进Z分数方法的评估系数来对电压异常波动程度进行定量表征。在此基础上，基于实车数据验证了本文所提方法的有效性和可靠性。此外，与常用熵方法进行对比分析，结果表明：本文所提方法具有可靠的故障诊断结果和较高的计算效率，实际工程应用价值更高。最后，基于该模型，通过对大量同类型纯电动汽车的电压数据进行统计分析，得到了该车型电池系统中电压异常风险情况的分布，通过分析隐藏在表面之下的异常，可以为车企动力电池系统或整车的结构设计提供参考。     

基于剩余充电电量的锂离子电池组容量快速估计方法

针对传统锂离子电池组容量确定方法存在的效率低、能耗高且只能离线应用等问题,提出一种基于电池剩余充电电量的锂离子电池组容量快速估计方法。首先,基于充电电压曲线一致性原理,以电池组内率先充电至充电截止电压的电池单体电压曲线为基准,通过电压曲线的平移缩放与线性插值计算出各单体电池的剩余充电电量与剩余充电时间,从而实现各单体电池的荷电状态(State of Charge, SOC)在线估计,在此基础上实现电池组容量的快速估计。其次,在电池单体模型的基础上建立电池组的仿真模型,并在全SOC区域上对模型参数进行分段辨识。通过所建立的仿真模型得到电池组的充放电曲线,并对电池组容量进行估计。最后,对4个单体串联而成的电池组进行充电试验。研究结果表明:仿真容量与估计容量误差为1.2%以内,验证了所提出的容量快速估计算法的有效性;利用所提方法估计出电池组容量与试验得到的电池组容量的误差为2.61%;该方法根据电池充电曲线的平移与缩放即可在线估计出电池组容量,可应用于新电池组容量的在线快速估计,能在保证3%估计误差的基础上将检测效率提高到传统方法的2倍以上。     

基于电化学热耦合模型的电动汽车电池模组热特性研究

为研究电池组的排列与布置方式对电池热特性的影响,本文中以18650锂离子电池为研究对象,建立了单体电池的电化学热力学耦合模型。利用模型仿真和实验测量获得了不同放电倍率时的电池表面温度随放电容量的变化关系,实验数据与仿真数据基本吻合,模型准确。基于单体耦合模型,分析了6×5动力电池模组的不同排列与布置方式下的热特性。结果表明:间距太小或太大均会使平均温度增加,本案例电池间距24 mm时平均温度最低;间距越大,温差越小,温度分布均匀性越好;间距一定,交叉排列散热效果优于对齐排列,且空间利用率更高。电池的排列和间距对电池散热有重要影响,锂离子动力电池组设计过程中应充分考虑。     

云端数据驱动的锂电池故障分级预警研究

目前还未有一种有效手段针对故障类型未知的车辆云端数据进行无监督式的故障预警，为此本文提出了一种云端数据驱动的锂电池故障分级预警方法。首先通过机理分析选取适用于云端数据特性的特征，构建6类差熵特征集进行多次混合聚类实现对电池健康度的打分评价。通过引入温度信息区分热相关故障并构建预警等级划分准则判断电池故障状态。利用5种现场故障案例进行验证，结果表明，该方法能准确识别故障并区分故障类型，且具有较高的超前性和适应性。     

不同充电倍率下锂离子电池组冷却系统结构设计

针对锂离子电池组在不同充电倍率下最高温度和单体温度均匀性的要求，在构建动力电池热模型的基础上，以抑制电池组内最高温度和最大温差为目标，仿真分析了液冷板布置位置、流道设计和冷板出入口位置等因素对电池组温度的影响规律。仿真结果表明，本文所设计的冷却系统，在电池组以2C倍率充电时，最高温度可控制在35.5℃，温差不超过5℃。     

Thermal Model for Square Lithium-ion Battery Pack

首先通过最小二乘法对方形锂离子电池组中单体电池的比热容、流道材料的导热系数和自然冷却条件下的综合换热系数进行了估计;然后根据热边界层理论确定了强制冷却条件下电池冷却流道表面局部综合换热系数的计算式;最后根据电池组的结构特点和冷却方式,建立了电池组的一维瞬态传热模型.该模型能根据电池组当前的环境温度、运行负荷、冷却强度和初始荷电状态实时预测电池组中各单体电池的运行温度.在Arbin试验台架上测量了144V/8A·h方形锂离子电池组在不同运行工况下单体电池的温度分布,并与模型仿真结果进行了对比,结果表明模型仿真的最大误差不超过1℃,满足混合动力系统性能仿真和电池组管理策略优化的精度要求.     

用新陈代谢极限学习机实现电池健康状态估算

针对因电池内部电化学反应的复杂性、算法泛化性差或可用已知数据量少导致的锂离子电池SOH估算精度下降的问题,提出使用极限学习机(ELM)构建强泛化性电池退化状态模型来描述不同电池的共性退化规律;引入新陈代谢机制来更新退化状态模型的输入数据进而实现对SOH的新陈代谢估算,在保证估算精度的同时降低对输入数据量的需求。利用两种不同材料电池在不同工况下所测数据对所提出方法进行验证,结果表明该方法能在仅用4个数据样本的情况下准确估算电池SOH,估算误差不超过2.18%。     

基于决策树理论的交通流参数短时预测

针对现有交通流参数短时预测方法的不足,考虑到交通流数据序列的非线性特征,提出一种基于决策树理论的非参数预测方法。采用时间序列滞后项将交通流参数序列转化成非参数模型能处理的数据格式。考虑到交通流参数之间存在长期协整关系,构建流量速度滞后项的组合向量,为预测模型提供基础数据。构建基于分类回归树(CART)的交通流参数短时预测模型。基于实际采集的道路交通流数据,对模型在不同等级道路不同速度区间下的性能进行评估。结果表明,所提出的模型相较于常用的时间序列模型,精度有所提高;速度预测准确性普遍高于流量,速度平均绝对百分比误差基本小于13%,而流量预测则达到了30%;采用工作日和周末数据分别建模能够有效提升预测性能;不同速度区间下的预测性能评估显示,模型在各等级道路中速区间的预测结果具有较高的准确性与稳定性。      

Novel evaluation method of fuel consumption and emission for heavy-duty hybrid electric vehicles

This paper is a continuation of a previous paper titled “A novel way to calculate energy efficiency for rechargeable batteries” published on Journal of Power Sources/2012 describing a new method to calculate energy efficiency for rechargeable batteries. The present paper further describes the application of energy efficiency model on the evaluation of fuel consumption and emission for the heavy-duty hybrid electric vehicles (HD-HEVs). A more accurate calculation method of net energy change for power battery pack is proposed based on energy efficiency model of power battery pack. A more simplified and accurate correction method of fuel consumption and emission is also presented based on equivalent mileage. The fuel consumption and emission on chassis dynamometer are measured in the HD-HEVs. The experiment results show that relative errors of fuel consumption and emission between equivalent mileage correction results and linear regression correction results are less than 3%, which verifies accuracy and validates the proposed evaluation method for HD-HEVs fuel consumption and emission.     

基于云端放电数据的电池组一致性研究

为提升电池组放电数据使用价值，减少对电池组充电数据的依赖，改变放电数据因质量差、采集效率低等原因难以得到有效利用的现状，以云端放电数据为研究对象，提出一种动力电池组一致性评价方法。该方法筛选出电池组的有效放电循环数据片段，根据每一放电循环中的单体电压曲线绘制包络线，进而基于上下各数条包络线进行数学计算，最终拟合得到一条一次曲线，根据最终拟合一次曲线斜率大小对一致性进行定量评价。试验结果表明，对于不同一致性状况的电池组，该方法能合理对其评分；实车数据分析表明，该方法能有效运用于工程中。该方法为电池组一致性的评价提供一种新思路，在一定程度上实现放电数据的有效利用价值。     

一种考虑迟滞的动力电池模型及其参数识别

建立精确的电池模型是实现电池管理策略仿真及验证的前提,是实现对动力电池进行全面、高效、精细化的管理的关键。然而在动力电池充放电过程中出现的电压迟滞现象,严重影响了动力电池的建模精度。文章建立了一种考虑锂离子电池充放电电压迟滞的电池模型,并对其进行了参数识别,可供从事相关锂离子电池状态分析的研究人员作为参考。     

车载动力电池液体冷却非线性优化方法研究

电动汽车动力电池散热需求会受到外部环境温度、风速和负载电流变化等因素的影响,如果不及时散热,动力电池的温度会迅速攀升,进而影响电动汽车的驾驶性和安全性。基于此提出一种锂离子电池非线性冷却优化方法。首先,通过对锂离子电池生热、散热机理分析,建立考虑传热系数随冷却液流速变化的锂离子电池集中热模型,通过电池特性测试试验确定电池内阻和熵热系数等热物性参数,并与AMESim模型对比,验证模型的有效性。然后,基于电池冷却系统非线性和易受负载电流变化影响的特征,提出一种考虑电池冷却系统的稳态特性以及参考变量前馈功能和闭环反馈消除静态误差机制的非线性冷却优化方法,并对其稳定性和鲁棒性进行研究。仿真结果表明:在NEDC-HWFET-US06组合工况下,非线性冷却优化方法调节下的电池温度与目标温度的最大偏差较PID方法减小了0.8 K,并且冷却过程的能耗降低了6.3%,具有更好的调节效果。     

基于SVM的二叉树多类分类算法在工程车辆挡位决策中的应用

为了解决工程车辆挡位决策这种典型的多类分类问题,在介绍自动变速器挡位决策基本原理的基础上,提出基于SVM的二叉树多类分类的挡位决策算法,将分类器分布在各个节点上,从而构成了多类SVM,并在制定换挡策略时,考虑了工作油泵所消耗发动机功率的波动问题。试验结果表明:该方法可根据车辆运行状态确定最佳挡位,从而及时准确地满足工程车辆自动换挡要求。     

动力电池SOC估算方法的实时工况对比研究

随着燃料电池混合动力汽车的普及,三元锂电池的荷电状态(SOC)估算应用是电池管理系统的重要研究方向,直接决定燃料电池混合动力系统的续航里程。为进一步了解和探索SOC估算方法的准确性,本文基于电池物理模型,通过安时积分法(AH)和内阻法SOC与实际路况SOC的对比分析,研究结果表明:内阻法SOC估算方法能够更符合实际车辆运营SOC的变化情况。     

基于BP神经网络的锂电池剩余寿命预测

准确的电池状态估算与剩余使用寿命预测能让用户及时获取电池信息并更新失效电池,保障整个电池组的安全高效运行。文章为精确地预测锂离子电池剩余寿命,引入了BP神经网络算法,并利用NASA电池循环寿命实验数据进行验证。